桌面操控 Iroul1212/DSH-Computer-Use

dsh-computer-use

English · 简体中文

Codex 风格的 computer use for DeepSeek Harness —— 让 agent 看见真实屏幕、驱动真实的鼠标键盘，并且始终有可见 overlay 与 Esc 急停。

dsh-computer-use 是一个 DSH 插件 bundle。它注册五个面向模型的工具，用来操作你正在对话的这台真实桌面：computer 对齐 Codex 的 computer-use 动作面，另外四个（app_window、ui_element、clipboard、app_skill）补上"没有视觉也能可靠控制桌面"所必需的信道。

| 平台 | Windows 10 / 11（x64） |
| 依赖的宿主服务 | tools（通过 inject） |
| 工具 | computer、app_window、ui_element、clipboard、app_skill |
| 运行时依赖 | 无 —— 只用 Node 内建模块，外加一个 PowerShell 子进程 |
| 急停 | overlay 在屏时全局 Esc |
| 包形状 | ESM，dsh.bundle.patch → cordis.patch.yml |

Why it looks like this（设计取向）

整个插件由五个决定塑造。它们都是刻意的；改动任何一条，都会坏掉某个"直到踩上去才会发现"的东西。

1. 一个长驻 PowerShell 宿主，而不是每条命令起一个进程。 win-host.ps1 只 spawn 一次（懒启动，第一次 tool call 时才起），通过 stdin/stdout 讲 NDJSON。Add-Type、DPI 感知、UIAutomation 程序集、SendInput 结构体布局都只付一次代价，所以一次 click 是毫秒级，而不是 PowerShell 启动的一秒。boot 期什么都不启动：后端坏掉不会拖垮 DSH 启动，只是把插件列进 profile 也几乎零成本。
2. 截图走 DSH 附件管线。 tool result 里放的是携带附件引用（ctx.attachments.saveImage() → ImageAttachmentRef）的 ImageBlock，永远不是 base64。session log 里一张截图只有几百字节，像素本体在 attachment store 里。output.render 只输出 [text, image(attachment ref)]。
3. 坐标按"交给模型的那张图"的像素算。 模型是从它收到的那张截图上读 x/y 的，所以插件记录那张图的几何信息（view.width/height/scale/capture），再用 physical = capture + image / scale 换回物理像素。截图在附加之前就被刻意压到 ≤ 600000 像素并编码成 JPEG，因为 DeepSeek 请求侧还会把任何图重新投影到它自己的预算（640000 像素 / 1 MiB）。若放任那一步发生，模型量的是 A 图、插件点的是 B 图，每一次 click 都会系统性偏几个百分点。
4. 纯文本模型也是一等公民。 每张截图都可以附一段 UI Automation 文本大纲（uiSummary: summary 是默认值，tree 更细），ui_element 用可访问性路径而不是像素来定位控件。完全看不见图的模型，照样能列窗口、按可见文字找到按钮并 invoke；app_skill 还会在它动手之前，把一份按应用写好的配方（快捷键、确切菜单路径、坑）交给它。
5. 安全是看得见、摸得着的。 人类必须能看见"机器正在被操控"，并且能立刻打断：click 穿透的 overlay 在 mutating 动作期间画出边框和药丸提示，全局 Esc 冻结之后所有 mutating 动作（STOPPED_BY_HUMAN），dryRun 只记录不碰系统，requireApproval 可以把每一次 mutation 送去 DSH 的审批服务，blocklist 按名字拒绝目标。

Requirements（环境要求）

| 要求 | 说明 |
| Windows 10 或 11 | 交互式桌面控制只在 Windows 上成立。其它平台上这一行 bundle 保持 inert（patch 里的 disabled: 守卫），不注册任何工具。 |
| Node.js ≥ 20 | package.json 声明 engines.node >= 20。 |
| PowerShell 7（pwsh）或 Windows PowerShell 5.1 | 宿主按这个顺序探测：$env:DSH_PWSH、%ProgramFiles%\PowerShell\7\pwsh.exe、%SystemRoot%\System32\WindowsPowerShell\v1.0\powershell.exe。首选 PS 7（STA 剪贴板、Add-Type 更快）。 |
| DSH ≥ 0.1.5 | 实测版本 0.1.5-rc.2 / 0.1.5-rc.3。 |
| pnpm 在 PATH 上 | 只有 dsh plugin add 需要：该命令内部 spawn pnpm，找不到就 exit 127。若不想全局安装，scripts/install.ps1 会替你生成 shim。 |

若 pnpm 缺失、但 DSH 自带的那份还在，下面四行可以只对当前会话生效（路径按你的 DSH 运行时调整）：

$pnpm = "E:\Users\lizhen\.dsh\dsh-runtimes\dsh-primary-runtime\dependencies\pnpm\bin\pnpm.mjs"
New-Item -ItemType Directory "$env:TEMP\dsh-cu-bin" -Force | Out-Null
"@node "$pnpm" %" | Set-Content "$env:TEMP\dsh-cu-bin\pnpm.cmd" -Encoding ascii
$env:PATH = "$env:TEMP\dsh-cu-bin;$env:PATH"

Install（安装）

dsh 不需要在 PATH 上 —— 下面所有地方用 npx @deepseek-ai/dsh ... 都能调起。先想清楚要装进哪个 profile（常见是 web 和 desktop），profile 目录是 $DSH_HOME\profiles\<name>。

1. 把 bundle 加进 profile。 用绝对路径；相对路径会按你执行命令时所在目录锚定。

npx @deepseek-ai/dsh plugin --profile web add "file:C:\path\to\dsh-computer-use"

dsh plugin 会在 profile 目录里跑 pnpm，然后做一次 reconcile：因为这个包声明了 dsh.bundle.patch，dsh-computer-use 会被追加到 $DSH_HOME\profiles\web\package.json 的 dsh.profile.bundles 里。

2. 重启 DSH。 bundle 列表是 boot 期解析的，新增依赖必须重启。（cordis.patch.yml 的改动在 web profile 里是热应用的，但加包不是。）

3. 验证这一行确实进了合成后的配置。

npx @deepseek-ai/dsh --profile web --dump-config

输出是带 # == 来源注释的合成树，里面必须出现 id: computer-use 这一行（位于 # == dsh-computer-use 之下）。注意 --dump-config 是静态合成 —— 它只证明这一行挂上了，不证明工具注册成功。要证明注册，开一个新会话让 agent 截一张图，或者跑离线契约测试：

node test\plugin-selftest.mjs

其他安装来源，同样一行。

自己打的 tarball（npm run pack:check 会顺手打一个并校验）
npm run pack:check
npx @deepseek-ai/dsh plugin --profile web add "C:\path\dsh-computer-use-0.2.0.tgz"

直接从 git
npx @deepseek-ai/dsh plugin --profile web add "github:Iroul1212/DSH-Computer-Use#v0.2.0"

发布到你自己的 npm 名字之后（见下面的「发布」）
npx @deepseek-ai/dsh plugin --profile web add "<your-name>"

npm 上的 dsh-computer-use 已被一个无关的包占用，所以本仓库不用这个名字发布。上面每一种方式都是按包内的模块名解析的，其余步骤完全一样。

4. 卸载。

npx @deepseek-ai/dsh plugin --profile web remove dsh-computer-use

然后重启 DSH。如果你的 dsh 版本没有实现 plugin remove，就手工从 $DSH_HOME\profiles\<name>\package.json 的 dependencies 和 dsh.profile.bundles 里删掉 dsh-computer-use，再在该目录里跑一次 pnpm install。

仓库里还带了脚本，把上面这些（包括 pnpm shim 和 --dump-config 断言）一次做完：

pwsh -NoProfile -File scripts\install.ps1 -Profile web
pwsh -NoProfile -File scripts\uninstall.ps1 -Profile web

Quick start（三个真实用法）

在 DSH 会话里直接这么说就行。下面的 tool call 序列是插件自己的工具描述会把模型带向的路径，不是唯一的正确解。

1.「帮我在记事本里写一段会议纪要」

| # | tool call | 为什么 |
| 1 | app_window { action: "launch", command: "notepad.exe" } | 启动程序并回报新窗口的 hwnd（没出现窗口会明说）。 |
| 2 | computer { action: "type", text: "...", observe: true } | 用真实键盘输入 Unicode 文本，并顺带返回一张截图，一个来回就能自检。 |
| 3 | computer { action: "screenshot" } | 确认文字真的进去了，同时为后续动作设定坐标空间。 |

2.「打开浏览器搜索 DeepSeek Harness」

| # | tool call | 为什么 |
| 1 | app_window { action: "launch", command: "msedge.exe" } | 启动浏览器（已开着就先 list 再 focus）。 |
| 2 | computer { action: "key", keys: ["ctrl", "l"] } | 聚焦地址栏 —— 键盘路径比点一个没有名字的控件可靠。 |
| 3 | computer { action: "type", text: "DeepSeek Harness" } | 输入查询词。 |
| 4 | computer { action: "key", keys: ["enter"] } | 提交。 |
| 5 | computer { action: "screenshot", uiSummary: "tree" } | 读结果页，同时拿到 UI Automation 文本大纲。 |

3.「把桌面上那个记事本窗口最大化」

| # | tool call | 为什么 |
| 1 | computer { action: "screenshot" } | 先看屏幕上有什么（并记录坐标空间）。 |
| 2 | app_window { action: "list", filter: "记事本" } | 把窗口落到确切的 hwnd，而不是靠猜。 |
| 3 | app_window { action: "maximize", hwnd: 1234 } | 纯窗口管理，不动鼠标。 |
| 4 | computer { action: "screenshot" } | 确认窗口真的最大化了。 |

如果目标是一个有可见文字的控件而不是窗口（ui_element { action: "find", nameContains: "保存" } → ui_element { action: "invoke", path: "0/2/1" }），agent 通常会优先选这条路而不是坐标：它不怕布局变化，纯文本模型也能用。

Tools（工具参考）

五个工具，共 38 个 action（computer 16、app_window 7、ui_element 8、clipboard 2、app_skill 5）。所有 mutating 调用都额外支持 observe: true（追加快照截图）或 verify: true（再截一张、只回画面有没有变和变化区域，不附件图片）。clipboard 与 app_skill 两者都没有。

每个工具都返回一个规范化 JSON 对象；output.render 把它投影成 [text block, 可选 image block]，image block 携带的是附件引用（image），绝不是字节。

computer —— 动作面

{ "action": "click", "x": 420, "y": 260 } // x/y 是上一张截图的像素空间

| action | 类别 | 用到的参数 | 返回什么 |
| screenshot | 读 | screen、hwnd、region、maxWidth、uiSummary、grid、gridStep、mark、dim、compare | text（文字信封：坐标映射系数、光标的物理/图像坐标、前台窗口、UI Automation 大纲）、image（附件引用或 null）、savedPath、view（width、height、scale、capture、screen、at）、cursor、fallback、ui |
| cursor | 读 | — | cursor {x,y}（物理像素），以及同一个点在上一张截图里的坐标 |
| status | 读 | — | 文本：host 状态、overlay 显示/隐藏、Esc 状态、dry run 开关、已执行的 mutating 动作数、坐标空间 |
| move | mutating | x、y | 指针被移动到的物理 {x,y} |
| click | mutating | x、y、button、count、modifiers | 物理 {x,y}、count |
| double_click | mutating | x、y、button、modifiers | 同 click，count: 2 |
| right_click | mutating | x、y、modifiers | 同 click，右键 |
| middle_click | mutating | x、y、modifiers | 同 click，中键 |
| drag | mutating | x、y、toX、toY、button、modifiers | from / to（物理像素） |
| scroll | mutating | x、y、dy、dx、modifiers | 物理 {x,y}，dy/dx 以滚轮单位计（格数 × 120） |
| type | mutating | text | 实际输入的 chars（UTF-16 code unit 数；一个 emoji 记 2） |
| key | mutating | keys | 被按下的键 |
| wait | 中性 | seconds（0–30，默认 1） | 文本 |
| ocr | 读 | hwnd、region、lang、maxLines | 识别出的 lines[]（text + 物理像素 bounds）、lang、engine、elapsedMs |
| wait_for | 读 | waitKind（stable / window / element / text）、timeoutMs、stableMs、hwnd、titleMatch、name、text、lang | wait（kind、waitedMs、frames、ratio），超时则 WAIT_TIMEOUT 并说明是什么一直在动 |
| resume | 控制 | — | 清除 Esc 急停；没被触发时只回一句"无事可恢复" |

x/y 的坐标系永远是本工具上一次返回的那张截图的像素空间；省略它们表示在当前指针位置操作。把配置里的 coordinates 设为 physical 则改为直接给物理屏幕像素。

| 参数 | 类型 | 必填 | 含义 |
| action | string，computer 专属的 14 个 action 之一的 enum | 是 | 做什么。 |
| x、y | integer | 否 | 目标点（上一张截图的坐标空间；coordinates: physical 时为物理像素）。 |
| toX、toY | integer | 否 | drag 的终点，坐标系同 x/y。 |
| button | left / right / middle | 否 | click / drag 用哪个键，默认 left。 |
| count | integer | 否 | 点击次数 1–3（double_click 等价于 2）。 |
| modifiers | ctrl、alt、shift、win 组成的数组 | 否 | 在 click、drag、scroll、key 期间按住。 |
| text | string | type 时必填 | 要输入的确切文本；中文与 emoji 都通过 SendInput + KEYEVENTF_UNICODE 送达。 |
| keys | string 数组 | key 时必填 | 组合键，按顺序按下、逆序抬起，例如 ["ctrl","c"]、["alt","tab"]、["f5"]。 |
| dy、dx | integer | scroll 时必填 | 滚轮格数；dy > 0 向上/远离用户，一格 = 120 单位，dx > 0 向右。 |
| seconds | number | 否 | wait 的秒数（0–30）。 |
| screen | integer | 否 | 宿主 screens 数组里的显示器下标；省略为主显示器。 |
| hwnd | integer | 否 | 只抓这个窗口（PrintWindow），而不是整屏。 |
| region | object {x,y,width,height}（四项都必填，integer） | 否 | 抓一个物理像素矩形。 |
| maxWidth | integer | 否 | 本次截图的最大宽度（覆盖 screenshot.maxWidth）。 |
| uiSummary | none / summary / tree | 否 | 图旁附带的 UI Automation 文本详细程度。 |
| compare | boolean | 否 | 和同一目标（窗口 / 屏幕）的上一次截图做像素比对，返回 change 对象。 |
| grid | boolean | 否 | 在图上画带坐标标注的网格；标注就是图像空间坐标，可以直接喂给 click。 |
| gridStep | integer | 否 | 网格间距（图像像素），默认约宽度的 1/10 并对齐到 50。 |
| mark | object {x,y} | 否 | 在某个图像坐标画十字准星——下一次点击就落在这里。 |
| dim | object {x,y,width,height} | 否 | 把这个图像矩形之外全部压暗，突出一个区域。 |
| verify | boolean | 否 | 仅 mutating 动作：动作后再截一张，回报 change，但不附件图片。 |
| observe | boolean | 否 | 在结果里追加快照截图（隐含 compare）。 |

到底做成了没有：verify 与 observe

每次截图都会顺手更新该目标的一张小尺寸签名，所以「模型刚刚看过的那张图」就是下一次动作的比对基准。桌面 agent 最常见的失败——点了没反应，于是再点一次——因此变成可验证的一步：

{ action: "click", x: 420, y: 260, verify: true }
// -> Clicked left at image (420,260) = physical (1099,680)。
// Screen verdict: NO visible change since the previous capture (0.0% of sampled pixels differ)。
// 如果这跟在某个动作之后，说明那个动作大概率没生效——重看截图，别重复点。

verify 只花一次截图（约 150 ms）、不花图片 token；observe 是同一次截图再加一张附件图。网格和标记是在比对之后才画上去的，所以带装饰的截图永远不会被算成「画面变了」，也不会成为下一次比对的基准。

光标回执

move、click、drag、scroll 都会返回一份从 GetCursorPos 读回来的 pointer 回执（{x, y, requestedX, requestedY, drift, landed}），而且每次移动都会被校验：如果 SendInput 收下了事件但指针没到目标点，宿主会先用 SetCursorPos 补救一次；仍然不行就以 POINTER_NOT_LANDED 失败，而不是在别的地方点下去。对电脑操作 agent 来说，悄悄点偏是唯一不能容忍的失败。

app_window —— 真实窗口

| action | 类别 | 参数 | 返回什么 |
| list | 读 | filter | count、windows[]（hwnd、title、class、pid、process、bounds、clientBounds、minimized、maximized、foreground、visible），前台窗口排第一 |
| focus | 读 | hwnd 或 titleMatch | window、hwnd —— 注意窗口仍可能拒绝让出前台 |
| launch | mutating | command、args | command、pid、process、window、windows[]；没出现窗口会明说 |
| minimize | mutating | hwnd 或 titleMatch | window、result（操作后的 bounds） |
| maximize | mutating | hwnd 或 titleMatch | 同 minimize |
| restore | mutating | hwnd 或 titleMatch | 同 minimize |
| close | mutating | hwnd 或 titleMatch | 同 minimize；发 WM_CLOSE（有未保存内容会弹窗） |

| 参数 | 类型 | 含义 |
| action | string，7 个 action 的 enum（必填） | 做什么。 |
| hwnd | integer | 来自 list 的窗口句柄，优先于 titleMatch。 |
| titleMatch | string | 标题或进程名的不区分大小写子串；必须只命中一个窗口，否则报 AMBIGUOUS_WINDOW 并列出候选。 |
| filter | string | 仅 list：缩小列表范围（例如 "chrome"、"记事本"）。 |
| command | string | 仅 launch：可执行文件名或完整路径，直接 spawn（不经过 shell）。 |
| args | string 数组 | 仅 launch：一个参数一项，不需要 shell 引号。 |
| observe | boolean | 追加快照截图。 |

ui_element —— Windows UI Automation

find 收的是描述而不是精确名字：{ action: "find", description: "保存" } 会按名称、automationId、value、role、help text 给窗口里每个控件打分，返回最像的几个（带分数和一句理由），并把它们在截图里标成 1..N，视觉模型可以直接挑。匹配器对中文友好（用二元组，「保存」能命中「保存并关闭」），忽略标点和全角半角差异，会降低禁用控件和滚出屏幕控件的排名，还能识别类别词（「保存按钮」更偏向 Button）。

{ action: "find", description: "搜索框", limit: 3 } // 1. Group "FileExplorerSearchBox" path=0/2/0/5 score=0.77 - automationId contains the query; image=(789,56) // 2. ... // -> 用 path 操作它，或直接点它的图像坐标；截图上的编号与列表一致

想要精确子串过滤（返回全部命中，最多 20 条）时改用 nameContains。

| action | 类别 | 参数 | 返回什么 |
| tree | 读 | hwnd、maxDepth、maxNodes | 缩进大纲，每行以 path=0/2/1 结尾；另有 nodes、truncated |
| find | 读 | description、nameContains、role、hwnd、limit、annotate | 排序后的 candidates[]（path、role、name、value、automationId、bounds、center、image、score、why）、found，默认还会附一张把候选标成 1..N 的截图 |
| invoke | mutating | path | path、hwnd、result（bounds） |
| set_value | mutating | path、value | 同上 |
| focus | mutating | path | 同上 |
| expand | mutating | path | 同上 |
| collapse | mutating | path | 同上 |
| select | mutating | path | 同上 |

| 参数 | 类型 | 含义 |
| action | string，8 个 action 的 enum（必填） | 做什么。 |
| hwnd | integer | 目标窗口；省略则用前台窗口。 |
| path | string | 来自 tree / find 的元素路径，例如 "0/2/1"；所有 acting 动作必填。 |
| nameContains | string | find：对 name、value、automationId 做不区分大小写子串匹配。 |
| role | string | find：角色过滤，例如 "Button"、"Edit"、"MenuItem"、"ListItem"。 |
| value | string | set_value：要写进控件的确切文本。 |
| maxDepth | integer | 树深度，默认 8（夹在 1–20）。 |
| maxNodes | integer | 节点预算，默认 1200（夹在 1–5000）。 |
| observe | boolean | 追加快照截图。 |

path 是控制视图里的兄弟索引链（0/2/1），只在窗口保持该布局时有效：窗口被 resize、跳转或重新填充之后，要重新取一次 tree。

clipboard —— 仅纯文本

| action | 类别 | 参数 | 返回什么 |
| get | 读 | — | length、clipboard（完整文本）、text（摘要，超过 8000 字符时只预览前 4000） |
| set | mutating | text | length —— 覆盖人类当前的剪贴板 |

| 参数 | 类型 | 含义 |
| action | string，get 或 set（必填） | 做什么。 |
| text | string | set：要放进剪贴板的确切文本。 |

剪贴板里的图片和文件既不读也不写。想粘贴刚设置的文本，用 computer { action: "key", keys: ["ctrl","v"] }。

app_skill —— 按应用的操作配方

| action | 类别 | 参数 | 返回什么 |
| list | 读 | refresh | count、skills[]（应用名）、text（目录清单，含 builtin 与 user 目录） |
| get | 读 | app、refresh | found、app、match[]、summary、chars、source（builtin 或 user）、path、content |
| save | mutating | app、content、summary、match、overwrite | app、id、path、chars —— 原子写入 $DSH_HOME\computer-use-skills\<id>.md |
| append | mutating | app、content | app、id、path、chars（合并后的长度） |
| remove | mutating | app | app —— 删除用户层文件；内置技能回 SKILL_BUILTIN |

| 参数 | 类型 | 含义 |
| action | string，list 或 get（必填） | 做什么。 |
| app | string | 应用名或 exe 名，不区分大小写（Excel、EXCEL.EXE、notepad）。save / append / remove 必填；get 可省略，此时用上一张截图的前台窗口。 |
| content | string | save / append：markdown 正文。写短一点 —— 只放能让下一次不再翻车的快捷键和菜单路径。 |
| summary | string | save：一行摘要，出现在目录和截图提示里。 |
| match | string 数组 | save：额外应该命中这条技能的进程名或 exe 名，例如 EXCEL.EXE。 |
| overwrite | boolean | save：覆盖同 app id 的已有用户技能。不带它就报 SKILL_EXISTS。 |
| refresh | boolean | 先重新读一遍技能目录，用于捡起刚改过的文件；读取失败会报 SKILLS_RELOAD_FAILED。 |

list 与 get 只读本地 markdown，任何时候调用都安全，也不碰桌面。配方一定要短：技能是提示，不是手册；内置技能删不掉，只能被同 app 的用户技能覆盖。重点在工作流：截图信封里出现 App skill available for Excel (...) 这类行时，先 get 再操作 —— 按配方做，比盲点坐标稳得多。

App skills（应用技能）

有视觉的模型可以看着 Excel 点 B3；纯文本模型做不到，而有视觉的模型也会反复浪费来回，去重新发现「F12 是另存为」「Ctrl+L 到地址栏」这种事实。这些知识小、稳定、且与具体应用绑定，所以它们放在部署方自己拥有的 markdown 文件里，而不是硬塞进 tool prompt。

skills/ 里自带 8 个配方：Excel、Word、PowerPoint、Chrome、Explorer、Notepad、VS Code、Windows Terminal —— 每个都列了快捷键、确切的菜单路径，以及会让盲点坐标翻车的那些坑。

写自己的：把 markdown 丢进 $DSH_HOME\computer-use-skills\（或 skillsDir 指向的目录）。id 与内置项相同的用户文件会覆盖内置项：

app: MyApp
match: MyApp, myapp.exe, 我的应用 summary: 导出报表、切换视图、常见坑

- 打开导出对话框：ctrl+shift+e，不要点工具栏图标（位置会随窗口宽度变化）。
- 切换视图用 alt+1 / alt+2，比在侧边栏里找条目稳。
- 保存前先 ctrl+s 确认没有未保存标记，否则导出对话框会被挡住。

- front matter 三个键：app（显示名，也是默认 id）、match（逗号分隔的额外名字）、summary（一行摘要，出现在目录里和截图提示里）。front matter 之后全是模型读到的正文。
- 单个正文上限 4000 字符（MAX_SKILL_CHARS），超出会被截断并带标记。
- 匹配不区分大小写，会先去掉 .exe、空格、_ 和 -，再拿进程名、窗口标题、窗口类名去比。EXCEL.EXE、Excel、excel 都会命中同一条技能。
- app_skill { "action": "get", "refresh": true } 会重读两个目录，人类改完技能不需要重启 DSH。
- skills: false 直接关掉整个技能库：不再读任何目录，app_skill 会回答"技能已禁用"。skillsHint: false 保留技能库，但不再在截图信封里加那一行提示。

agent 也会写技能

如果只有人类能加配方，这份知识就传不开。save / append / remove 让 agent 把"这次终于跑通了"的操作沉淀成下次用的配方：

- save 原子写入 $DSH_HOME\computer-use-skills\<id>.md（.tmp + rename），崩溃不会留下半份配方。
- 覆盖已有的用户技能必须带 overwrite: true，否则报 SKILL_EXISTS；只想追加就用 append。
- 4000 字符上限对 save 和 append 之后的合并结果同样生效（SKILL_TOO_LONG），超了直接拒绝，不会悄悄截断。
- 这三个 action 都是 mutating：要过 Esc 急停、blocklist 和审批门；dryRun 下只回 [dry run] Would ...，一个字节也不写盘。
- remove 只删用户层；内置技能会回 SKILL_BUILTIN —— 想改就用同名 app 保存一个用户技能来覆盖它。
- 刚保存的技能，下一次截图就能命中；手工改过文件之后要带 refresh: true 重读目录。
- skills: false 时没有用户目录，任何写入都以 SKILLS_READ_ONLY 失败。

Configuration（配置）

bundle 在 cordis.patch.yml 里只有一行，其余全部是这一行的 config。下表是 src/runtime.js（CONFIG_DEFAULTS + normalizeConfig）真正读取的键。越界的数字和未知的枚举值会回落到默认值，而不是让 boot 失败。

| 键 | 类型 | 默认 | 含义 | 风险提示 |
| enabled | boolean | true | 总开关。false 时完全不注册工具。 | agent 会静默地没有桌面工具。 |
| screenshot.maxWidth | integer 64–8192 | 1280 | 附加之前的宽度上限。 | 图越大越费 token，还可能被请求侧重新投影，坐标随之漂移。 |
| screenshot.maxPixels | integer 65536–16777216 | 600000 | 总像素预算，在 maxWidth 之后生效。 | 保持在 DSH 请求预算（640000 像素）以内。超了就是"你记录了 A 图几何、请求层又缩成 B 图"，点击会偏。 |
| screenshot.format | jpeg 或 png | jpeg | 返回图的编码。 | png 无损，但常常超过 1 MiB 请求预算，最终还是被重编码。 |
| screenshot.jpegQuality | integer 10–100 | 80 | format: jpeg 时的质量。 | 太低会让小字号的 UI 文字看不清。 |
| screenshot.saveToDisk | boolean | true | 没有附件服务时，把截图像素落到 %TEMP%\dsh-computer-use\screenshots 并返回 savedPath。 | 屏幕内容会在临时目录留下文件。 |
| coordinates | image 或 physical | image | x/y 的解释方式：上一张截图的像素空间（经 view.scale 映射回去），还是物理屏幕像素。 | physical 完全跳过映射 —— 模型真的读的是物理像素时很有用，靠猜时就是灾难。 |
| uiSummary | none、summary 或 tree | summary | 截图附带多少 UI Automation 文本细节。 | tree 对文本模型最有用，也最贵。 |
| uiSummaryMaxNodes | integer | 60 | summary 大纲的节点/行预算。 | 太小会把你要的控件藏掉。 |
| uiSummaryMaxChars | integer | 4000 | 大纲文本的字符预算。 | 同上，单位是字符。 |
| overlay | auto、always 或 never | auto | auto 只在 mutating 动作期间显示，并在 idleDisarmMs 之后收起；always 一旦显示就保持；never 关闭。 | never 拿掉了人类唯一的视觉提示。注意 overlay 是在第一次 mutating 动作时出现，不是 boot 时。 |
| overlayOpacity | number 0.05–1 | 0.85 | 边框与药丸的不透明度。 | 太低容易看不见。 |
| overlayMessage | string | DeepSeek Harness is controlling your computer - press Esc to stop | 药丸上的文字。（本仓库自带的 cordis.patch.yml 里填的是中文版本。） | 仅涉及文案。 |
| escStop | boolean | true | overlay 在屏时武装全局 Esc 急停。 | 设成 false 就没有键盘中断手段 —— overlay 也不再监听 Esc。 |
| dryRun | boolean | false | mutating 动作只回 [dry run] Would ...，绝不触达系统。 | agent 可能以为任务成功了，其实什么都没做。 |
| requireApproval | never 或 mutating | never | 每次 mutating 动作都过一遍 DSH 审批服务，只有 allowed-once 才放行。 | 只有会话审批策略是 ask 时，ask 才有意义。 没挂审批服务时动作以 APPROVAL_UNAVAILABLE 失败（fail closed）；DSH_PERMISSION_MODE=danger-full-access 会把策略钉成 never，此时所有询问都会被直接 rejected —— 把 requireApproval 设成 mutating 等于让每个 mutating 动作都失败。 |
| allowLaunch | boolean | true | 允许 app_window 的 launch。 | agent 能启动你的用户能启动的任何可执行文件。 |
| allowCloseWindow | boolean | true | 允许 app_window 的 close。 | agent 能关掉有未保存内容的窗口。 |
| skills | boolean | true | 加载按应用的技能库（内置 skills/ 加用户目录），并通过 app_skill 提供。 | false 时完全不读技能文件；工具仍在，但会回答"技能已禁用"。 |
| skillsDir | string 或 null | null → $DSH_HOME\computer-use-skills | 可写的用户层：id 与内置项相同的文件会覆盖内置项，app_skill 的 save / append / remove 也写在这里。 | 技能正文就是本地文件 —— 里面是什么，模型就原样看到什么；该目录需要对进程可写。 |
| skillsHint | boolean | true | 当前台应用有技能时，在截图信封里加一行 App skill available for X (...)。 | 设 false 就去掉了这条提示，模型可能永远发现不了配方。 |
| actionDelayMs | integer 0–5000 | 60 | mutating 动作完成之后、可选的 observe 截图之前 sleep 的毫秒数，给 UI 一点时间落定再抓图。 | 太小会验证到旧帧（你看到的是上一个状态却按它行动）；太大则每次 observe 来回都变慢。 |
| requestTimeoutMs | integer 1000–600000 | 20000 | 单条宿主命令的超时。 | 太小会让慢的 UI Automation 遍历失败。 |
| screenshotTimeoutMs | integer 1000–600000 | 30000 | 一次截图的超时。 | 太小会让繁忙/大桌面的截图失败。 |
| idleDisarmMs | integer 0–3600000 | 60000 | overlay: auto 下，最后一次 mutating 动作之后多久收起提示；0 表示不收起。 | 太长会一直挂着药丸，太短会一闪而过。 |
| blocklist | string 数组 | [] | 对每个 mutating 动作的人类可读 label 做不区分大小写子串匹配（例如 app_window close window "1Password" ...）。命中即 BLOCKED_TARGET。 | 只看 label —— 模型在 label 里没提到的窗口它保护不了。 |

怎么覆盖配置

改你自己 profile 的 patch 文件 —— $DSH_HOME\profiles\<name>\cordis.patch.yml —— 按 id 命中那一行。web profile 会热应用 patch 改动，改配置不需要重启：

$DSH_HOME/profiles/web/cordis.patch.yml
- id: computer-use
config:
overlay: always
screenshot:
maxWidth: 1024

patch 的 config 是整块替换，不是深合并。 上面这个例子里，这一行已经没有 maxPixels、format、uiSummary、dryRun…… 所有你没重写的键都会回落到 src/runtime.js 的 CONFIG_DEFAULTS，不是回落到本 bundle cordis.patch.yml 里写的值。所以收窄 maxWidth 时，把还要的兄弟键一起写上（在意点击精度就别丢 maxPixels: 600000）：

- id: computer-use
config:
overlay: always
screenshot:
maxWidth: 1024
maxPixels: 600000
format: jpeg
jpegQuality: 80

只想临时停用而不卸载：- id: computer-use 配 disabled: true（或 config 里 enabled: false）。

Safety model（安全模型）

beforeMutation 按这个顺序执行的门：

| 门 | 行为 |
| Esc 急停 | overlay 武装期间，全局 Esc（边沿触发，用 GetAsyncKeyState 轮询，不用 RegisterHotKey，所以不抢别的程序的热键）会 trip 守卫。此后每个 mutating 动作都以 STOPPED_BY_HUMAN 失败。只有 computer { "action": "resume" } 能清除，且必须在 Esc 之后 5 秒以上（否则 RESUME_TOO_SOON）—— 模型没法悄悄自己恢复。 |
| Overlay | 点击穿透、永不抢焦点、Alt-Tab 不可见的 WinForms 图层：屏幕四周一圈蓝色荧光，顶部一个蓝色实心胶囊，里面一行白字 正在computer use | 按Esc退出（文案可用 overlayMessage 改）。指针同样一眼可辨：系统箭头换成蓝色箭头，并有一个脉动的蓝色圆环跟随光标（cursor: agent；halo 保留你原来的箭头；off 全关）。鼠标事件直接穿透（WS_EX_TRANSPARENT + HTTRANSPARENT），指示器永远不会吃掉 agent 自己的点击；指示器一消失，系统光标方案立刻恢复。 |
| 点哪儿就是哪儿 | 合成输入会送给"当下鼠标底下那个窗口"，所以前台被抢走时点击会静默落到别的 app 上。每次 click/drag/scroll 之前宿主都会用 WindowFromPoint 问一次：如果那个窗口和"上一张截图钉住的窗口"不是同一个进程，动作直接以 CLICK_WRONG_WINDOW 失败（并点名本该收到点击的 app），而不是盲点；落点在上次截图窗口之外则以 OUTSIDE_TARGET_WINDOW 拒绝；app_window focus 会校验是否真拿到前台，一次重试后仍失败就报 FOCUS_REFUSED。配置项 hitTest: fail \| warn \| off。 |
| 不做假成功 | 拖放释放在面板上、或者键盘输入被别的 app 抢走，以前都会返回 ok: true 而实际什么都没发生。现在每次 drag/type 之后都会多做一次帧比对并读取当前前台窗口：画面没变化 → DROP_MISSED / TYPE_MISSED，按键送到了别的窗口 → KEY_MISSED（ctrl+c 这种本来就没视觉变化的按键不算失败）。配置项 verifyActions: fail \| warn \| off。 |
| 意外死亡也会冻结 | 指示器进程意外退出（不是 Esc、也不是正常 disarm）会把 kill switch 置为 guard-exited；自动化宿主进程意外死亡会置为 host-exited。两种情况下所有 mutating 动作立刻 fail closed，只读动作照常可用（screenshot、status、app_window list、ui_element tree），要恢复必须显式 resume —— 同样带 5 秒冷却，好让人先看到那条消息。 |
| overlay: always 的准确语义 | 任何桌面调用都会点亮指示器，包括只读的截图和查光标。默认的 auto 只在 mutating 动作期间点亮，空闲 idleDisarmMs 之后自动熄灭。 |
| 过期的观测会被拒 | 截图绑定到某个窗口（computer 带 hwnd）之后，每次 mutating 动作前都会核对那个窗口：窗口没了 → TARGET_WINDOW_GONE，pid 变了（应用重启过）→ TARGET_WINDOW_CHANGED，位置或尺寸有变化 → TARGET_WINDOW_MOVED。这三种情况都不会执行任何动作；重新截图、重新推导目标后再来。 |

| blocklist | 在审批之前、dry run 之前检查。对动作 label 做不区分大小写匹配，命中即 BLOCKED_TARGET。 |
| 审批 | requireApproval: mutating 时调用 ctx.approval.request({agent, toolName, callId, reason, signal})，只有 allowed-once 才继续；其余一切（包括审批服务不存在）都 fail closed。只有会话审批策略是 ask 时这一层才真正起作用；策略是 never（DSH_PERMISSION_MODE=danger-full-access）时所有 ask 都会被直接 rejected。 |
| dry run | 在上述门之后：返回 [dry run] Would …，记录意图，什么也不发给系统。 |

算作 mutating 的动作（要吃上面全部门）：move、click、double_click、right_click、middle_click、drag、scroll、type、key；app_window 的 launch、close、minimize、maximize、restore；ui_element 的 invoke、set_value、focus、expand、collapse、select；clipboard 的 set。纯读、绝不改动桌面的：screenshot、cursor、status、wait、resume、app_window 的 list / focus、ui_element 的 tree / find、clipboard 的 get。

隐私遮罩

maskRegions（物理像素矩形，由部署配置写入，模型改不了）会在每一张截图被比对、装饰、编码之前涂黑：模型看到的附件、compare / verify / wait_for stable 背后的帧签名、以及 OCR 读的那张 PNG，在那个位置统统是纯黑。被遮罩的截图会在文字里说明（N privacy-masked regions are blacked out），模型知道那里为什么看不见；调用里传 mask: null 也关不掉——runtime 在每张截图必经的那个入口统一注入。

maskRegions:
- { x: 0, y: 1180, width: 2560, height: 120 } # 例如密码管理器横条

适合遮住通知弹窗、聊天侧栏、开着秘密的终端，或任何你希望 agent 工作时留在屏幕上的窗口。它遮的是模型看到的像素，不阻止 agent 往遮罩区域里点击或输入。

它不保护什么

这一点必须对用户讲清楚：

- 它不是沙箱。 宿主进程以你的完整性级别、你的* token 运行。你能点的窗口，agent 都能点。blocklist 是防手滑的护栏，不是安全边界。
- UAC 安全桌面、锁屏、更高完整性级别的窗口都够不到 —— overlay 在那里也不显示。普通权限的 agent 驱动不了提权窗口，表现就是"点了没反应"。
- 独占全屏游戏和部分反作弊 overlay 会盖住提示（DWM 合成被绕过）。Esc 急停同样是用户态轮询，可能被同一个游戏饿死。
- 截图会离开你的机器。 每张截图都被附加到 session 并发给模型服务；屏幕上的密码、私聊、token、客户数据都会一起走。该关的关、该最小化的最小化，必要时配合 blocklist 和一块专用桌面。
- 剪贴板内容可被 agent 读取和覆盖。
- 急停只停住 agent，不停住它已经启动的东西 —— 被 launch 起来的进程会继续跑。

How it works（架构）

flowchart TD
M[模型] -->|tool call| T["DSH tools 服务computer · app_window · ui_element · clipboard"]
T --> R["ComputerRuntimeconfig · lastView · Esc 状态 · 安全门"]
R -->|stdio 上的 NDJSON| H["win-host.ps1（唯一长驻 pwsh）SendInput · UIAutomation · GDI 抓屏 · WM_*"]
R -->|arm / disarm| G["overlay guardsrc/overlay/guard.mjs"]
G -->|spawn| O["overlay.ps1光晕 + 药丸、click 穿透、全局 Esc"]
H -->|图片字节| A["ctx.attachments.saveImage()"]
A -->|ImageAttachmentRef| R
R -->|规范值| T
T -->|"output.render: [text, image(attachment)]"| M

DSH 宿主进程（Node） ├── src/index.js 插件入口：命名导出 { name, inject, apply } ├── src/tools.js 5 个工具工厂：schema + execute + render ├── src/skills.js 按应用的技能库：front matter 解析 + SkillStore ├── skills/ 8 个内置应用配方（excel、word、powerpoint、chrome、explorer、notepad、vscode、terminal） ├── src/runtime.js ComputerRuntime：配置、坐标映射、安全门、附件、UI 摘要 ├── src/win/backend.mjs WinHost 客户端：只 spawn 一次，NDJSON，串行队列，崩溃自动重启 1 次 ├── src/win/win-host.ps1 PowerShell 宿主：抓屏、SendInput、UIA、窗口、剪贴板 └── src/overlay/ ├── guard.mjs Guard：arm/disarm/status，把 abort 翻成 STOPPED_BY_HUMAN └── overlay.ps1 WinForms overlay 窗口 + Esc 轮询

一次动作的完整链路：

1. 模型发起 tool call。execute 组装规范值；凡是 mutating，先过 beforeMutation（Esc → blocklist → 审批 → dry run → overlay + idle 定时器）。
2. runtime 向已经在跑的 win-host.ps1 发一条 NDJSON 命令，等回同一个 id。
3. 截图时宿主返回 base64 字节，外加确切的 capture 矩形和 scale；runtime 把字节存成附件并记录 lastView —— 下一次坐标动作就是靠它换算。
4. output.render 返回 [{ type: 'text', text }, { type: 'image', attachment }]。image block 携带的是引用：字节永远不进 session log，DeepSeek 适配器会把它收进 tool-result 的图片通路。

几个值得知道的事实：宿主以你的完整性级别运行；请求队列严格串行（同一时刻只有一个桌面动作）；宿主崩溃会被重启一次，并在下一次调用时报告新状态。

Troubleshooting（排查）

| 症状 / 错误码 | 发生了什么 | 怎么办 |
| BACKEND_START_FAILED | win-host.ps1 没在 ready 超时内报到，或者 PowerShell 根本起不来。 | 手工跑 pwsh -NoProfile -File src\win\win-host.ps1 看 stderr；确认 PS 7 已安装、-ExecutionPolicy 没被组策略挡住。runtime 的错误信息里带着宿主的 stderr 尾巴。 |
| BACKEND_MISSING | src/win/backend.mjs 导入失败 —— 通常是包没拷全。 | 重装：files 白名单要包含 src，整个 src\win 目录都必须存在。 |
| NO_REFERENCE_SCREENSHOT | 还没截过图就做了坐标动作，image 空间无从谈起。 | 先 computer { "action": "screenshot" }。或者设 coordinates: physical 并直接给物理像素。 |
| STOPPED_BY_HUMAN | 有人按了 Esc，所有 mutating 动作被冻结（这是设计）。 | 停下，说明你刚才在做什么、屏幕上是什么，然后等。只有在人类明确说继续之后，才调 computer { "action": "resume" }。 |
| RESUME_TOO_SOON | Esc 之后不到 5 秒就调了 resume。 | 先问人类，再重试 —— 这个延迟就是为了让 agent 没法立刻撤销人类的中断。 |
| BLOCKED_TARGET | 动作 label 命中了 blocklist。 | 这是部署方的决定，不是 bug。停下并告知人类；不要换个方式去够同一个目标。 |
| APPROVAL_UNAVAILABLE / APPROVAL_DENIED | requireApproval 开着，但审批服务缺失或人类拒绝了。 | 什么也没执行。请人类批准，或换一种做法。 |
| overlay 不显示 | overlay: never；guard 加载失败（日志里有 overlay guard unavailable）；overlay 进程退了（overlay-exited）；或者被独占全屏的程序盖住。 | 看 computer { "action": "status" }（overlay: visible/hidden），把 overlay 设成 always，并单独验一次 overlay：pwsh -NoProfile -File src\overlay\overlay.ps1 -SelfTest。 |
| 点击位置偏移 | 模型量的是 A 图，插件映射的是 B 图：通常是 screenshot.maxPixels 超过了请求预算，或者显示器变化后 lastView 过期。 | 把 maxPixels 保持在 600000（maxWidth 1280 或更小），点击前重新截图，或者用 coordinates: physical 给真实像素。有名字的控件优先走 ui_element。 |
| 中文打不出来 | 宿主必须用 SendInput + KEYEVENTF_UNICODE；个别目标（游戏、远程会话、部分 UWP 输入框）会吞掉注入的 Unicode。 | 先用记事本验证。若目标确实不吃注入输入，用 clipboard { "action": "set" } 放文本，再 computer { "action": "key", "keys": ["ctrl","v"] } 粘贴。 |
| PATTERN_UNSUPPORTED / ELEMENT_NOT_FOUND | 控件没有该 UI Automation Pattern，或者 path 过期了。 | 重新 ui_element { "action": "tree" } 拿新 path；实在不行退回 computer 坐标。 |
| AMBIGUOUS_WINDOW | titleMatch 命中了多个窗口。 | 用 app_window { "action": "list" } 拿到的确切 hwnd。 |
| TARGET_WINDOW_GONE | 截图绑定的那个窗口已经不存在了。 | 什么也没执行。重新截图，对着真实存在的东西操作。 |
| TARGET_WINDOW_CHANGED | 这个 hwnd 现在属于另一个进程 —— 应用重启过。 | 什么也没执行。重新截图；旧坐标已经没有意义。 |
| TARGET_WINDOW_MOVED | 截图之后窗口移动或缩放过。 | 什么也没执行。重新截图再操作。 |
| 插件装上了但看不到工具 | dsh plugin add 和正在跑的 DSH 解析到不同的 DSH_HOME，插件被装进了另一个 profile 目录。桌面版与 CLI 可能不一致（本机实测：桌面版读 E:\Users\lizhen\.dsh，CLI 读 C:\Users\lizhen\.dsh）。 | 把 DSH_HOME 指向你实际在用的那个 DSH 的 home，重装，再用同一个 build 自己的 --dump-config 确认。 |

Testing（测试）

七个 Node 套件。不需要构建，也不需要全局安装：

npm test # 全部 5 个套件
npm run test:schema # 工具定义是否落在宿主强制的 JSON Schema 子集内（调宿主自己的 validator）
npm run test:plugin # 插件入口 + 5 个工具注册 + 真机截图与窗口列表
npm run test:skills # 用户可写层的 15 条断言（save / append / remove / overwrite / 上限），全部跑在临时目录
npm run test:safety # 10 条安全契约（dry run / overlay / Esc / resume 冷却 / blocklist / guard-exited 与 host-exited 均 fail closed）
npm run test:overlay # overlay 子进程 + 真实 Esc 注入（桌面吞掉合成输入时自动 SKIP）
npm run test:observe # grid / mark / dim、compare+verify 背后的帧比对、以及 POINTER_NOT_LANDED 的失败关闭路径
npm run smoke # Windows 宿主 11 步端到端（截图 / 中文输入 / 窗口操作 / 性能）

| 套件 | 前提 |
| test:schema | 需要宿主包。找不到时会 SKIP；可用 DSH_TOOLS_PATH 显式指定。 |
| test:plugin、test:safety、test:overlay、smoke | 需要真实、可交互的 Windows 桌面会话。在无交互会话里（服务、SSH、CI）会 SKIP 或失败 —— 它们真的会移动指针、真的会截图。 |
| test:skills | 只需要 Node。所有断言都跑在临时目录里，不会碰你真实的 $DSH_HOME。 |

Known limitations（已知限制）

- 文本模型看不见像素。 它只能靠 uiSummary 大纲、ui_element path 和窗口元数据工作。凡是画在画布上的东西（游戏、图像编辑器、自绘界面），对它基本等于不可见。
- DPI 与多显示器。 宿主是 per-monitor DPI aware 的，坐标一律走虚拟屏幕物理像素，所以映射是对的；但：overlay 是围着整个虚拟屏幕画一圈，而不是每个显示器各一圈；screenshot 一次只抓一个显示器或一个矩形；把窗口在不同缩放比的显示器之间搬动后，上一次的 lastView 就失效了 —— 重新截图。
- 提权。 普通完整性级别的 agent 驱动不了提权窗口，表现是"点穿了"或者点了没反应。同理，overlay 在 UAC 安全桌面上不可见。
- 独占全屏内容（DirectX exclusive fullscreen、部分带反作弊的游戏）会盖住 overlay，也可能吞掉注入输入；Esc 急停是用户态轮询，同样可能被饿死。窗口化/无边框全屏正常。
- 每张截图都有往返成本与费用。 一次抓屏 = 真 GDI 抓取 + JPEG 编码 + 附件落盘 + 上 wire 的 image token。本来就打算验证的动作请用 observe: true；控件有名字就优先 ui_element。
- 一个桌面，一个模型。 每个插件实例一个 runtime、一个宿主进程；同 profile 里的并发会话共享它（也共享 lastView）。
- 剪贴板只支持纯文本。 图片和文件列表既不读也不写。
- actionDelayMs 只覆盖"落定等待"这一段。 它是动作与 observe 截图之间的停顿，并不会让一个慢程序变快。

- resume 是模型可以调用的动作。 Esc 之后，模型必须等人类明确要求才能 resume；实现里的 5 秒冷却只是减速带，不是保证 —— 它挡不住一个不听话的模型。要硬停就直接关掉 DSH 会话，或者停用插件（- id: computer-use 加 disabled: true）／卸载插件。
- 技能就是你磁盘上的纯 markdown，而模型可以自己写。 这正是设计意图（一次成功的操作沉淀成配方），但也意味着错误或过度泛化的经验会被写进去、然后在之后的活儿里被默默套用。用户层只是 $DSH_HOME\computer-use-skills 下的文件：删掉某个文件，或者调 app_skill 的 remove，内置技能（或之前的行为）就回来了。

发布

npm run pack:check 是发布闸门：它打出 npm publish 会真正上传的那个 tarball，逐项断言 manifest、所有运行时脚本、两个 README、内置技能都在包里，并把包解压到别处 import 入口，证明解包后仍能启动。它还会在 cordis.patch.yml 的 name: 与 package.json 的 name 不一致时直接失败——这一对名字决定了 dsh plugin add 能不能解析到模块。

npm pkg set name=dsh-computer-use-<yourhandle> # 或 @yourscope/dsh-computer-use
npm login
npm run release # 先 pack:check，再 npm publish --access public
npx @deepseek-ai/dsh plugin --profile web add "<同一个名字>"

prepack 会跑两个离线套件（schema 契约 + 匹配器），所以工具定义写坏了不可能被误发布。

Development（开发）

node test\plugin-selftest.mjs # 离线契约检查 + 真实截图/窗口冒烟
node test\overlay-selftest.mjs # 真的 arm overlay 并注入一次真实 Esc
node test\smoke-win.mjs # 端到端跑一遍宿主

test\plugin-selftest.mjs 不需要 profile，也不碰任何用户配置。

License

MIT。